用于红外小目标检测的差分分解网络
摘要
红外小目标检测（ISTD）面临两大挑战：目标纹理不明显以及背景杂乱严重，导致背景遮蔽目标。为增强目标并抑制背景，我们提出了基分解模块（Basis Decomposition Module, BDM），这是一个基于基分解的可扩展轻量模块，将复杂特征分解为若干基特征，在消除冗余的同时增强某些信息。扩展BDM可得到一系列模块，包括空间差分分解模块（Spatial Difference Decomposition Module, SD²M）、空间差分分解下采样模块（Spatial Difference Decomposition Downsampling Module, SD³M）和时间差分分解模块（Temporal Difference Decomposition Module, TD²M）。基于这些模块，我们开发了用于单帧ISTD（SISTD）的空间差分分解网络（Spatial Difference Decomposition Network, SD²Net）以及用于多帧ISTD（MISTD）的时空差分分解网络（Spatiotemporal Difference Decomposition Network, STD²Net）。SD²Net在改进的U形架构中集成了SD²M和SD³M。我们采用TD²M引入运动信息，将SD²Net转化为STD²Net。在SISTD和MISTD数据集上的大量实验表明了最先进的（SOTA）性能。在SISTD任务上，SD²Net与大多数已建立的网络相比表现良好。在MISTD数据集上，STD²Net达到了87.68%的mIoU，优于SD²Net的64.97%。我们的代码可在以下地址获取：https://github.com/greekinRoma/IRSTD_HC_Platform。
引用
@article{arxiv.2512.03470,
title = {Difference Decomposition Networks for Infrared Small Target Detection},
author = {Chen Hu and Mingyu Zhou and Shuai Yuan and Hongbo Hu and Zhenming Peng and Tian Pu and Xiying Li},
journal= {arXiv preprint arXiv:2512.03470},
year = {2026}
}